Gemma 4 使い方 ローカル環境で8GB VRAMでのFine-tuning入門
所要時間: 約40分 | 難易度: ★★★☆☆ この記事で作るもの ローカル環境（またはColab）のVRAM 8GBという制限下で、最新のGemma 4を自分の指示通りに動くよう再学習させるPythonスクリプト 独自の業務知識や特定の口調をモデルに学習させ、推論させるまでの全工程 学習済みモデルをGGUF形式で書き出し、普段使いのチャットツールで利用可能にする手順 📦 この記事に関連する商品 ...
AI Guide
Gemma 4の最新GGUFをllama.cppで動かし実戦投入する最短ルート
所要時間: 約45分 | 難易度: ★★★★☆ この記事で作るもの ローカル環境（Windows/Linux/Mac）で、Unslothが最適化した最新のGemma 4モデルをllama.cpp経由で動かし、Pythonから制御する推論システムを構築します。 独自のkv-cache回転やiSWA（Sliding Window Attention）といった、Gemma 4特有の新しいアーキテクチャに完全対応した環境を整備します。 必要なものは、Python 3.10以上の環境と、16GB以上のRAM（26Bモデルを動かすならVRAM 24GB以上のGPUが望ましい）です。 📦 この記事に関連する商品 ...
Gemma 2の隠し機能「MTP」を使い倒す！推論を高速化させる実装ガイド
所要時間: 約40分 | 難易度: ★★★★☆ この記事で作るもの Gemma 2のモデル構造に含まれるMTP（Multi-Token Prediction）ヘッドを特定し、それを利用した推論高速化の仕組みを理解するPythonスクリプト 前提知識: Pythonの基礎、PyTorchの基本的な操作、Hugging Face Transformersライブラリの使用経験 必要なもの: NVIDIA製GPU（VRAM 16GB以上推奨、RTX 3090/4090など）、Hugging Faceのアクセストークン（Gemma 2の利用申請済みであること） 📦 この記事に関連する商品 ...
Gemma 4をスマホで直接動かしてAndroidを操作する最強のローカルAI自動化ツール「PokeClaw」の使い方を解説します。
クラウドを一切介さずデバイス内で完結するため、機密情報の漏洩リスクがゼロで、なおかつ通信費もかかりません。 この記事の手順通りに進めれば、あなたのPythonスクリプトから実機のスマホを自律操作できるようになります。 所要時間: 約45分 | 難易度: ★★★★☆ ...
QwenやDeepSeekの配布遅延に備える！APIとローカルを自動切替するLLM実装術
所要時間: 約40分 | 難易度: ★★★☆☆ この記事で作るもの 中国系LLM（Qwen, DeepSeek等）の「API版」と「ローカル版（Ollama等）」を、モデルの公開状況や通信状態に応じて1秒以内に自動で切り替える、可用性の高いPython推論スクリプトを作ります。 前提知識: Pythonの基本的な文法（関数、例外処理）がわかること。 必要なもの: Python 3.10以上、DashScope（Qwen）やDeepSeekのAPIキー、ローカル実行用のLLM環境（Ollama等）。 📦 この記事に関連する商品 ...
低スペックPCでLLMを動かす llama.cpp 構築ガイド
所要時間: 約45分 | 難易度: ★★★☆☆ この記事で作るもの メモリ（RAM）が1GB以下の旧型PCやシングルボードコンピュータでも動作する、超軽量なローカルLLM環境を構築します。 前提知識：Linux（Ubuntu/Debian系）またはmacOSのターミナル操作ができること。 必要なもの：インターネット環境、空き容量5GB程度のストレージ。 📦 この記事に関連する商品 ...
Minimax 2.7 使い方：ローカル環境で高性能MoEモデルを動かす実践ガイド
所要時間: 約40分 | 難易度: ★★★☆☆ この記事で作るもの Minimax 2.7（MiniMax-Text-01）をローカル環境で実行し、長文テキストから構造化データを抽出するPythonスクリプト Pythonの基礎（環境構築、パッケージ管理）がわかることを前提とします 必要なもの：NVIDIA製GPU（VRAM 24GB以上推奨）、Python 3.10以降、Hugging Faceのアカウントとアクセストークン 📦 この記事に関連する商品 ...
Claude Codeの使い方とnpm公開時のソースコード流出を防ぐガードレール構築術
所要時間: 約35分 | 難易度: ★★★☆☆ この記事で作るもの Claude Codeを安全に導入し、開発効率を爆上げする環境構築 自社開発ツールのnpm公開時に、ソースコード（.mapファイル）の流出を自動で防ぐPython検疫スクリプト 実際にスクリプトを動かし、流出リスクのあるパッケージを検知・ブロックする仕組み 📦 この記事に関連する商品 ...
LiteLLMの使い方とサプライチェーン攻撃から身を守る安全な環境構築ガイド
所要時間: 約40分 | 難易度: ★★★☆☆ この記事で作るもの 複数のLLM（GPT-4やClaude 3.5等）を統一コードで呼び出しつつ、脆弱性のあるパッケージ混入を自動検知するセキュアなPython実行環境 前提知識：Pythonの基本的な文法（関数、変数）がわかり、ターミナルでコマンド操作ができること 必要なもの：OpenAIまたはAnthropicのAPIキー、Python 3.9以上の環境 📦 この記事に関連する商品 ...
MiniMax M2.7 使い方 入門：オープンソース版をローカル環境で動かす手順
所要時間: 約30分 | 難易度: ★★★☆☆ この記事で作るもの MiniMax M2.7のオープンウェイト版を、PythonとHugging Faceのライブラリを用いてローカルPC上で実行し、日本語のプロンプトに対して高速にレスポンスを返す推論スクリプトを作成します。 前提知識： Python 3.10以上の基本的な操作ができること pipによるライブラリのインストール経験があること NVIDIA製GPU（VRAM 12GB以上推奨）の環境があること 必要なもの： ...